GWT: Scalable Optimizer State Compression for Large Language Model Training

Fuente: arXiv
Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: Wen, Ziqing, Luo, Ping, Wang, Jiahuan, Yuan, Kun, Li, Dongsheng, Sun, Tao
Format: Preprint
Veröffentlicht: 2025
Schlagworte:
Online-Zugang:
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge